Oksipital Lob ve Görme Merkezi: Biyolojik Gözden Konvolüsyonel Ağlara (CNN)
2016'da blogumuzda paylaştığımız "Brain Parts Function" anatomik kılavuzunda beynin en arkasında yer alan hayati bir bölgeye dikkat çekmiştik: Oksipital Lob (Görsel Korteks). Gözlerimiz sadece fotonları yakalayan optik lenslerdir; ancak asıl "görme" eylemi, kafatasımızın arkasındaki bu devasa görsel süper bilgisayarda gerçekleşir.
2012 yılında AlexNet'in ImageNet yarışmasını ezici bir farkla kazanmasıyla başlayan ve bugünün dünyasını şekillendiren Derin Öğrenme Devrimi, aslında gökten zembille inmedi. Bilgisayarla görme alanını kökten değiştiren Evrişimli Sinir Ağları (CNN), 1950'lerde iki nörobiyoloğun bir kedinin beynindeki görsel nöronları dinlerken keşfettiği biyolojik hiyerarşinin birebir matematiksel kopyasıdır.
"Göz ışığı kaydeder, fakat anlamı inşa eden şey korteksin hiyerarşik katmanlarıdır. Pikselden çizgiye, çizgiden dokuya, dokudan yüze uzanan bu basamaklı soyutlama; biyolojik evrimin ve modern derin öğrenmenin keşfettiği ortak evrensel görme dilidir."
🧬 1. Hubel & Wiesel Devrimi: Kedinin Gözünden Görsel Hiyerarşiye
1959-1962 yıllarında David Hubel ve Torsten Wiesel, bilime Nobel Ödülü kazandıran çığır açıcı bir deney yaptılar. Bir kedinin primer görsel korteksine (V1) mikroelektrotlar yerleştirerek ekranda farklı şekiller gösterdiler. Şaşırtıcı şekilde, nöronlar ekrandaki nesnelerin bütününe değil, sadece belirli bir açıyla duran çizgilere ve kenarlara (edges) çılgınca tepki veriyordu!
Hubel ve Wiesel, görsel korteksin aşamalı bir mimariyle çalıştığını kanıtladı:
- Basit Hücreler (Simple Cells - V1): Görsel alanda (Receptive Field) sadece belirli bir koordinatta ve belirli bir açıda (örn. 45 derecelik bir çizgi) yer alan kenarları tespit eder.
- Karmaşık Hücreler (Complex Cells): Birden fazla basit hücreden girdi alır. Çizginin koordinatı hafifçe kaysa bile (öteleme değişmezliği / Translation Invariance) çizgiyi tanımaya devam eder.
- Hiper-Karmaşık Hücreler (End-Stopped Cells): Köşeleri, eğrileri ve çizgilerin bitiş noktalarını yakalayarak geometrik sınırları çizer.
- İki Büyük Akış (Ventral vs. Dorsal): V1'den çıkan bilgi ikiye ayrılır: Ventral Yol ("Ne?" Yolu) temporal loba giderek nesneleri ve yüzleri tanır; Dorsal Yol ("Nerede/Nasıl?" Yolu) parietal loba giderek nesnenin uzaydaki konumunu ve hareketini çözer.
⚡ 2. Biyolojiden Silikona: Neocognitron'dan Modern CNN'lere
Hubel & Wiesel'in bu biyolojik keşfi, yapay zekanın babaları tarafından doğrudan algoritmaya dönüştürüldü:
📜 1980 Fukushima Neocognitron & 1989 Yann LeCun (LeNet)
Japon bilim insanı Kunihiko Fukushima, Hubel & Wiesel'in "Basit Hücreler"ini S-hücreleri (Evrişim/Convolution), "Karmaşık Hücreler"ini ise C-hücreleri (Havuzlama/Pooling) olarak modelleyerek Neocognitron'u inşa etti. Yann LeCun ise bu mimariye geriye yayılım (backpropagation) ekleyerek modern CNN'lerin temelini attı. Filtreler elle tasarlanmıyor, biyolojik beyin gibi görselleri gördükçe kendi ağırlıklarını optimize ediyordu.
Modern bir evrişimli sinir ağının (CNN) katmanlarını incelediğinizde, biyolojik V1-V4-IT hiyerarşisinin matematiksel olarak kendiliğinden ortaya çıktığını görürsünüz:
Gabor filtrelerine benzeyen kenar, açı ve kontrast dedektörleri kendiliğinden öğrenilir.
Kenarlar birleşerek dokuları, daireleri, petek desenlerini ve basit geometrik formları oluşturur.
Araba tekerleği, kedi burnu, insan gözü ve nihayetinde tam nesne ve yüz kimlikleri sentezlenir.
📊 3. Biyolojik Görsel Sistem ile Bilgisayarlı Görme (CNN / ViT) Karşılaştırması
| Görsel Fonksiyon | İnsan Beyni (Oksipital Sistem) | Yapay Zeka (CNN / Vision Transformer) |
|---|---|---|
| Kenar ve Yön Tespiti | V1 Basit Hücreleri (Receptive Fields) | Konvolüsyonel Çekirdekler (Convolutional Kernels / Sobel-Gabor) |
| Konum Değişmezliği (Invariance) | V1 Karmaşık Hücreleri | Max Pooling, Ortalama Havuzlama ve Stride |
| Görsel Dikkat (Foveation) | Sakkadik göz hareketleri ve foveal odaklanma | Spatial Attention, Vision Transformer (ViT) Patch mekanizması |
| Kavramsal Anlamlandırma | Ventral Yol & Fuziform Yüz Alanı (FFA) | Tam Bağlantılı Katmanlar (Dense Layers), CLIP Vektör Uzayı |
🎯 Sonuç: Görmekten Çok Modlu (Multimodal) Dünyaya
Görsel korteks bize bir şey daha fısıldar: Görüntü tek başına yalıtılmış bir piksel matrisi değildir. Gördüğümüz her nesne, beynin dil merkezinde bir isme, motor merkezinde bir kavrama eylemine ve bellek merkezinde bir anıya bağlanır. Bugün GPT-4o, Claude 3.5 Sonnet ve Gemini gibi çok modlu (Multimodal) modellerin yaptığı şey, oksipital lob benzeri bir görsel enkoderi büyük bir dil omurgasına entegre etmektir.
Peki ya insanı insan yapan, medeniyetin, kültürün ve soyut düşüncenin taşıyıcısı olan en muazzam yetenek: Dil? Kelimeler kafatasımızın içinde nasıl yankılanır ve silikon çiplerinde trilyonlarca parametreye nasıl tercüme edilir? Serimizin 6. Bölümünde Temporal Loba uzanıyor; Broca ve Wernicke alanlarından Büyük Dil Modellerine (LLM) giden yolu aydınlatıyoruz.
📌 Serinin Bir Sonraki Yazısı: Bölüm #6 — Temporal Lob ve Dil Merkezleri (Broca & Wernicke): İnsan Dil Yetisinden Büyük Dil Modellerine (LLM) çok yakında yayında!
Halil İbrahim KÜPLÜ
Makine Mühendisi & Teknoloji Yazarı
Yorumlar
Yorum Gönder